เนื่องจากคอมพิวเตอร์ถูกติดตั้งในมหาวิทยาลัยหลายแห่งตั้งแต่เนิ่นๆ จึงเป็นเรื่องธรรมดาที่คำถามเกี่ยวกับ การสอนโดยใช้คอมพิวเตอร์ (CAI) จะเกิดขึ้นและถูกสำรวจอย่างลึกซึ้ง ก่อนจะไปถึงข้ออ้างสมัยใหม่ ควรมีมุมมองภาพรวมในเรื่องนี้ก่อน

มีเรื่องเล่าจากสมัยกรีกโบราณว่านักคณิตศาสตร์คนหนึ่งบอกกษัตริย์ว่ามีถนนหลวงให้พระองค์เดินและมีผู้ส่งสารหลวงให้ส่งจดหมาย แต่ไม่มีเส้นทางหลวงไปยังเรขาคณิต เช่นเดียวกัน คุณคงเห็นว่าการมีเงินหรือการฝึกสอนช่วยได้เพียงเล็กน้อยหากคุณอยากวิ่งไมล์ในเวลา 4 นาที ไม่มีวิธีง่ายๆ สำหรับเรื่องนี้ ไมล์สี่นาทีแทบจะเหมือนกันสำหรับทุกคน

มีประวัติยาวนานของคนที่ต้องการหนทางง่ายๆ ในการเรียนรู้ Aldous Huxley ในหนังสือ Brave New World พูดถึงแนวคิดการเรียนระหว่างนอนหลับด้วยไมโครโฟนใต้หมอนที่บอกสิ่งต่างๆ ขณะคุณหลับ และเขาชี้ให้เห็นข้อจำกัดอย่างร้ายแรง ในช่วงที่ผมอยู่ที่ Bell Telephone Laboratories ขบวนการ Dianetic เกิดขึ้นและสัญญาว่าสามารถ “เคลียร์” สมองของคุณจากความผิดพลาดทั้งหมด แล้วคุณจะสามารถใช้เหตุผลได้อย่างสมบูรณ์ ยังมีสถาบัน dianetic อยู่บ้าง แต่โดยรวมแล้วคนทั่วไปไม่เชื่อถือพวกเขา—โดยเฉพาะเพราะคนที่ผลิตออกมากลับไม่ได้โดดเด่นในสาขาใดสาขาหนึ่งของกิจกรรมมนุษย์เลย อีกองค์กรหนึ่งสัญญาว่าจะเปิดเผยความลับของบรรพชน (ซึ่งอย่างใดพวกเขาดูฉลาดกว่าพวกเราตอนนี้) มีโฆษณาไม่รู้จบเกี่ยวกับการอ่านเร็ว การเรียนเร็ว ฯลฯ ซึ่งสัญญาว่าในทางใดทางหนึ่งจะพัฒนาจิตใจคุณโดยไม่ต้องทำงานหนักเหมือนที่คนส่วนใหญ่ต้องลงมือทำเพื่อประสบความสำเร็จ การทดสอบของแนวคิดก่อนหน้านี้ทั้งหมดคือยังไม่มีข้อพิสูจน์ว่ามีคนพิเศษจำนวนมากเกิดจากวิธีเหล่านี้ (เท่าที่เรารู้ในปัจจุบัน) ตามที่ Fermi พูดถึงความฉลาดนอกโลกและคน UFO ว่า “พวกเขาอยู่ที่ไหน และทำไมเราไม่พบพวกเขา?”

ดังนั้นประวัติศาสตร์ที่ผ่านมาและคำอ้างเรื่องการเรียนแบบง่าย ๆ ที่มีมากมายจึงเป็นเสียงคัดค้านต่อคำสัญญาระลอกปัจจุบัน แต่อย่างไรก็ดีมันไม่สามารถพิสูจน์ได้ว่าไอเดียใหม่ทุกอย่างจะล้มเหลว คุณควรฟังคำเสนอเหล่านี้ด้วยความระมัดระวัง—แต่ก็อาจมีสิ่งใหม่ที่อดีตไม่รู้ และมีเครื่องมือใหม่อย่างคอมพิวเตอร์ราคาถูกที่มีใช้อยู่ตอนนี้ซึ่งอาจทำให้เกิดความแตกต่าง ผมมักอ่านหรือได้ยินว่าคนต้องการให้ผมเชื่อว่าแก็ดเจ็ตใหม่ โดยเฉพาะคอมพิวเตอร์ จะสร้างความแตกต่างอย่างมาก แม้คำสัญญาในอดีตล้มเหลวก็ตาม ระวังการคิดไปตามความปรารถนา—คุณอยากให้มันเป็นจริง จึงสมมติว่ามันเป็นจริง!

มีปัจจัยสำคัญอีกประการหนึ่งซึ่งเรียกว่า the Hawthorne effect (ผลกระทบฮอว์ธอร์น) ที่จำเป็นต้องอธิบาย ที่โรงงาน Hawthorne ของ Western Electric เมื่อหลายปีก่อน นักจิตวิทยาพยายามปรับปรุงผลผลิตด้วยการเปลี่ยนแปลงสิ่งแวดล้อม พวกเขาทาสีผนังให้สวยขึ้น และผลผลิตเพิ่มขึ้น พวกเขาทำให้แสงสว่างนุ่มลง และผลผลิตก็เพิ่มขึ้น ทุกการเปลี่ยนแปลงทำให้ผลผลิตเพิ่มขึ้น ในที่สุดคนหนึ่งรู้สึกสงสัยและแอบเปลี่ยนกลับไปสภาพเดิม ผลผลิตกลับเพิ่มขึ้นอีก ทำไม? ดูเหมือนว่าเมื่อคุณแสดงให้เห็นว่าคุณใส่ใจ คนที่อยู่ปลายทางจะตอบสนองบวกกว่าตอนที่คุณไม่แสดงความใส่ใจ คนงานคิดว่าการเปลี่ยนแปลงทำเพื่อประโยชน์ของพวกเขาและจึงตอบสนองตามนั้น

ในวงการการศึกษา หากคุณบอกนักเรียนว่ากำลังใช้วิธีการสอนใหม่ พวกเขามักจะแสดงผลการเรียนที่ดีขึ้น และบังเอิญว่าครูสอนก็ปรับปรุงด้วย วิธีการใหม่อาจจะดีกว่า หรืออาจจะแย่กว่า แต่ผลกระทบฮอว์ธอร์นที่มีความสำคัญในบริบทการศึกษามักทำให้ดูเหมือนว่าวิธีการสอนใหม่นั้นสำคัญและดีขึ้น ไม่สำคัญนักว่าวิธีใหม่คืออะไร การทดสอบมันมักจะให้ผลดี ถ้า นักเรียนรับรู้ว่าการเปลี่ยนแปลงนั้นทำเพื่อประโยชน์ของพวกเขา ดังนั้นผลกระทบฮอว์ธอร์นทำให้การทดลองทางการศึกษาส่วนใหญ่ไม่น่าเชื่อถือ คุณคงจำที่ผมกล่าวถึงในบทที่ 20 เกี่ยวกับความจำเป็นของการทดลองแบบ double-blind ในการแพทย์—เรื่องเดียวกันนี้ใช้ได้กับทุกสถานการณ์ที่ผู้ถูกทดสอบรับรู้ว่าตนได้รับการปฏิบัติพิเศษ ผู้ที่วัดผลต่อมาจะต้องไม่รู้ด้วยว่าใครได้รับการปฏิบัติพิเศษหรือไม่ นี่เป็นข้อเท็จจริงของการทดลอง แต่โดยทั่วไปมักถูกมองข้าม ดังนั้นอย่าเชื่อผลจากการทดลองที่ทำอย่างไม่รอบคอบเมื่อมันเกี่ยวข้องกับมนุษย์ เกียรติยศของผู้ทดลอง ความซับซ้อนของอุปกรณ์ ความชาญฉลาดในการลดข้อมูล และโดยเฉพาะความต้องการจะเชื่อของคุณ ไม่ควรทำให้คุณหลงเชื่อ อีกครั้ง นี่ไม่ได้หมายความว่าไม่มีอะไรเกิดขึ้น แต่อย่างน้อยคุณต้องระมัดระวังมาก ๆ ก่อนจะนำผลการทดลองไปใช้

ผลกระทบฮอว์ธอร์นชี้ชัดว่าวิธีการสอนที่เหมาะสมจะอยู่ในสภาพที่เปลี่ยนแปลงเชิงทดลองเสมอ และแทบไม่สำคัญว่าทำอะไร สิ่งที่สำคัญคือ ทั้ง อาจารย์และนักเรียนเชื่อมั่นในการเปลี่ยนแปลงนั้น

ขอกล่าวถึงประวัติการใช้คอมพิวเตอร์ช่วยการเรียน ในปี 1960 ขณะที่ผมอยู่ที่ Stanford ในช่วงลาพักงาน (sabbatical) มี “grader program” สำหรับคอร์สโปรแกรมมิ่ง ใครก็ตามที่อาจารย์ให้เป็นโจทย์ต้องเตรียมโปรแกรมที่ใช้งานได้อย่างถูกต้อง ชื่อของตัวแปรนำเข้า ขอบเขตค่าที่ตัวเลขอาจอยู่ และขีดจำกัดของการปัดเศษของผลลัพธ์ที่ยอมรับได้ เมื่อนักเรียนคิดว่าโปรแกรมพร้อมส่ง พวกเขาจะเรียกโปรแกรม grader แจ้งรหัสประจำตัว เครื่องจะสร้างข้อมูลนำเข้าที่สุ่มได้และยอมรับได้ รันทั้งโปรแกรมของนักเรียนและโปรแกรมของอาจารย์ แล้วเปรียบเทียบผล ตัวเลขแต่ละค่าจะถูกหรือผิด โปรแกรมแบบนี้สามารถรวมเวลาในการคอมไพล์และเวลาในการรันเข้าไปได้ ซึ่งเป็นเพียงตัวเลข และยังไม่ต้องตัดสินเรื่องสไตล์การเขียน

วิธีการนี้ยืดหยุ่น ปรับให้เข้ากับการเปลี่ยนแปลงของหลักสูตรและแบบฝึกหัดที่มอบในแต่ละปีได้ง่าย โปรแกรมเก็บบันทึกไว้ในฐานข้อมูลส่วนตัวของอาจารย์ และเมื่ออาจารย์ร้องขอจะให้ข้อเท็จจริงดิบออกมาเพื่อให้การประเมินขึ้นอยู่กับอาจารย์เอง แน่นอนว่าสถิติเช่นค่าเฉลี่ยชั้นเรียน ความแปรปรวน การแจกแจงเกรด ฯลฯ สามารถถูกดึงจากฐานข้อมูลไปให้กับอาจารย์ได้ถ้าต้องการ

เมื่อผมกลับมาที่ Stanford สองปีให้หลังและสอบถามเกี่ยวกับโปรแกรม grader ก็พบว่ามันไม่ได้ใช้งานแล้ว ทำไม? เขาบอกว่าผู้สอนคนแรกที่ทำระบบนี้ไว้จากไป และมีการเปลี่ยนแปลงในระบบมอนิเตอร์ที่ทำให้ต้องมีการแก้ไขโปรแกรมบ้าง การสังเกตและสอบถามอย่างขะมักเขม้นแสดงให้เห็นว่านี่เป็นเรื่องปกติในหลายแคมปัส เครื่องมือที่ออกแบบมาเพื่อช่วยอาจารย์อาจถูกลืมไปอย่างรวดเร็ว

ขอกล่าวถึงโครงการ "plato" ที่เพื่อนของผมทำที่ University of Illinois ผมเจอเขาที่การประชุมต่าง ๆ เป็นประจำ และครั้งหนึ่งในเที่ยวบินยาวๆ ทุกครั้งเขาจะเล่าให้ผมฟังว่า plato นั้นยอดเยี่ยม ตัวอย่างเช่น เขาบอกว่าในเวลาเดียวกัน plato มีผู้เรียนจากสกอตแลนด์ คนหนึ่งจากแคนาดา และคนหนึ่งจากเคนตักกี้ ผมตอบว่าโทรศัพท์ก็ทำแบบนั้นได้ และสิ่งที่เขาพูดไม่มีความเกี่ยวข้องกับว่า plato ทำงานได้ดีกว่ามนุษย์หรือไม่ ตามที่ผมทราบเขาไม่เคยนำเสนอหลักฐานที่จริงจังว่า plato ปรับปรุงการสอนในเชิงสำคัญเกินกว่าที่คาดได้จากผลกระทบฮอว์ธอร์น

มีการอ้างว่าผู้เรียนก้าวหน้าไปประมาณ 10% ตามเส้นทางการศึกษาเมื่อเทียบกับผู้ที่ไม่ใช้ระบบ เมื่อผมถามว่าหมายถึงการเลื่อนหน้าไป 10% เดียวกันตลอดระบบการศึกษาหรือหมายถึง 10% ในแต่ละวิชาแล้วทบต้นเหมือนดอกเบี้ย เขาก็ไม่รู้! เขาทำอะไรกับผลกระทบฮอว์ธอร์นบ้างไหม? ไม่เลย! ดังนั้นผมจึงไม่รู้ว่าหลังจากใช้เงินกองทุนของรัฐเป็นล้านเป็นล้านดอลลาร์แล้วได้ผลอะไรบ้าง

เมื่อครั้งหนึ่งที่ผมเป็นบรรณาธิการใหญ่ของ ACM Publications มี หนังสือแบบโปรแกรม เกี่ยวกับการคอมพิวเตอร์ถูกส่งมาเพื่อพิจารณาตีพิมพ์ หนังสือแบบโปรแกรมมักจะถามคำถามกับผู้อ่าน และขึ้นอยู่กับคำตอบ ผู้อ่านจะถูกส่งไปยังจุดแตกแขนงหน้าต่างๆ ตามหลักการ ข้อผิดพลาดจะถูกจับและอธิบายอีกครั้ง และคำตอบที่ถูกจะพาผู้อ่านไปสู่เนื้อหาใหม่ ฟังดูดี! แต่คิดดูว่าคุณไม่สามารถย้อนกลับไปหาสิ่งที่อ่านเมื่่อไม่กี่หน้าก่อนแล้วตอนนี้กลับสับสนว่ามาจากไหนหรือมาถึงจุดนี้อย่างไร คุณไม่สามารถเรียกดูข้อความอย่างเป็นระบบได้ มันจึงไม่ใช่หนังสือจริงๆ แม้จะดูเหมือนหนังสือจากภายนอก ข้อเท็จจริงอีกข้อที่น่าหนักใจคือจากการสังเกตอย่างใกล้ชิด นักเรียนเก่งมักจะเลือกคำตอบที่พวกเขารู้ว่าไม่ถูกเพียงเพราะเบื่อหรืออยากรู้ว่าหนังสือจะตอบอย่างไร ดังนั้นผลลัพธ์จึงไม่เป็นไปตามที่คิดไว้เสมอไป นักเรียนที่ดีกว่าอาจไม่ได้ก้าวหน้าเร็วกว่านักเรียนที่อ่อนกว่ามากนัก

ผมไม่อยากปฏิเสธหนังสือแบบโปรแกรมด้วยความเห็นส่วนตัว จึงไปพบผู้เชี่ยวชาญจากแผนกจิตวิทยาของ Bell Telephone Laboratories เขาบอกว่ามีการประชุมใหญ่เรื่องหนังสือแบบโปรแกรมในสัปดาห์ถัดไป และทำไมไม่ไปล่ะ? ผมจึงไป ในวันเปิดงานเราได้นั่งข้างกัน เขากระซิบกับผมว่า “สังเกตว่าไม่มีใครจะนำเสนอหลักฐานที่เป็นรูปธรรม พวกเขาจะมีแต่คำกล่าวอ้างว่าตำราประเภทนี้ดีกว่า” เขาพูดถูก—ไม่มีผู้บรรยายคนไหนมีหลักฐานเชิงทดลองที่หนักแน่นเพียงพอ มีแต่ความเห็น ผมจึงปฏิเสธหนังสือเล่มนั้น และเมื่อมองย้อนกลับ ผมคิดว่าผมตัดสินใจถูก ตอนนี้มีแผ่นดิสก์คอมพิวเตอร์ที่อ้างว่าทำสิ่งเดียวกัน แต่ผมไม่มีเหตุผลจะคิดว่าฟอร์แมตดิสก์จะทำให้ต่างกันมากนัก ถึงอย่างนั้นมันก็สามารถย้อนเส้นทางที่คุณใช้ไปถึงจุดนั้นได้

ผมได้ยกตัวอย่างด้านลบของ CAI ไปบ้างแล้ว ตอนนี้มาด้านบวกบ้าง ผมแทบไม่สงสัยเลยว่าสำหรับการสอนคณิตศาสตร์ที่น่าเบื่อ เช่น ตารางการบวกและการคูณ เครื่องสามารถทำได้ดีกว่าครู เมื่อรวมโปรแกรมง่ายๆ ที่ตรวจจับข้อผิดพลาดและสร้างตัวอย่างเพิ่มในจุดนั้น เช่น การคูณด้วยเจ็ด จนกว่าจะจับได้แน่นแล้ว สำหรับการเรียนแบบท่องจำนี้ผมคิดว่าใครๆ ก็คงเห็นด้วยกับผม โชคร้ายที่ในอนาคตเราคาดว่าองค์กรและบริษัทใหญ่ๆ จะลดความจำเป็นของการเรียนแบบท่องจำเช่นนี้ลง (คอมพิวเตอร์มักทำได้ดีกว่าและถูกกว่า) และงานส่วนใหญ่จะต้องการการตัดสินใจจากตัวคุณเอง

ต่อไปเป็นการฝึกนักบินเครื่องบินในตัวฝึกปัจจุบัน ซึ่งทำได้ดีกว่าประสบการณ์จริงอย่างมาก และโดยทั่วไปนักบินมักได้รับการฝึกปฏิสัมพันธ์กับมนุษย์ค่อนข้างน้อยระหว่างหลักสูตร ผมขอชี้ว่า การบินในระดับหนึ่งเป็น conditioned response (การตอบสนองที่ถูกฝึกฝน) ที่ถูกฝึกเข้าไปในมนุษย์ มันไม่ใช่การคิดมากนัก ถึงแม้บางครั้งการคิดจะจำเป็น แต่เป็นการฝึกให้ตอบสนองอย่างรวดเร็วและถูกต้อง ทั้งในด้านจิตใจและร่างกาย ต่อเหตุฉุกเฉินที่ไม่คาดคิด

สำหรับการฝึกประเภทนี้ ที่ต้องเรียนรู้การตอบสนองแบบมีเงื่อนไข เครื่องสามารถทำได้ดีมาก ในวัยเด็กผมเรียนฟันดาบ ในการดวลไม่มีเวลาคิดทบทวนท้องถิ่น คุณต้องตอบสนองอย่างรวดเร็วโดยอัตโนมัติ แน่นอนมีการวางแผนโดยรวมของการดวล แต่ในแต่ละช่วงเวลาต้องเป็นการตอบสนองที่ไม่ต้องมีการหน่วงเวลาจากการคิด

เมื่อผมเข้ามาที่ Naval Postgraduate School ครั้งแรกในปี 1976 มีคณบดีฝ่ายต่อเนื่องที่สนใจเรื่องการศึกษา ในการถกเถียงกันหลายครั้งเรามีความเห็นต่างกัน วันหนึ่งผมเข้าไปพบเขาและบอกว่าผมสอนคลาสยกน้ำหนัก (ซึ่งเขารู้ว่าผมไม่ได้สอน) ผมกล่าวต่อว่าการจบคอร์สคือการยก 250 ปอนด์ และผมพบว่านักเรียนหลายคนท้อถอยและถอนตัว บางคนเรียนซ้ำ และมีเพียงไม่กี่คนที่สำเร็จ ผมบอกว่าเมื่อคิดเมื่อคืนนี้ ผมตัดสินใจว่าปัญหานี้แก้ได้ง่ายโดยตัดน้ำหนักลงครึ่งหนึ่ง—นักเรียนเพื่อจะจบจะยก 125 ปอนด์ วางลง แล้วยกอีก 125 ปอนด์ แล้วก็เท่ากับยก 250 ปอนด์

ผมรออยู่ครู่หนึ่งขณะที่เขายิ้ม (อย่างที่คุณคงยิ้ม) แล้วผมสังเกตว่าเมื่อผมหาคำพิสูจน์ที่ง่ายกว่าในคณิตศาสตร์และใช้มันในชั้นเรียน ผมกำลังตัดน้ำหนักครึ่งหนึ่งหรือไม่? คำตอบของคุณคืออะไร? ในข้อสังเกตที่ว่าทั้งหมดนี้ ยิ่งเราทำให้การเรียนสำหรับนักเรียนง่ายขึ้นเท่าไร เราก็ยิ่งกำลังตัดน้ำหนักครึ่งหนึ่งมากขึ้นเท่านั้น ไม่ใช่หรือ? อย่าเพิ่งสรุปว่าผมหมายถึงควรให้บทที่แย่เพราะจะทำให้นักเรียนต้องทำงานหนักขึ้น แต่มีหลักฐานมากมายเกี่ยวกับปัจจัยที่ทำให้คนทำผลงานสำคัญได้ ชี้ไปที่ข้อสรุปว่าสมาชิกคณะชื่อดังบางคนกลับเป็นผู้บรรยายที่ไม่ดี และนักเรียนต้องทำงานหนักเพื่อเรียนรู้ด้วยตัวเอง! ผมขอเสนอข้อปฏิบัติข้อหนึ่งอีกครั้ง:

สิ่งที่คุณเรียนจากผู้อื่น จะทำให้คุณสามารถตามได้;

สิ่งที่คุณเรียนด้วยตัวเอง จะทำให้คุณสามารถนำได้.

เพื่อเข้าใกล้ปัญหามากขึ้น เราควรจะเปรียบเทียบกล้ามเนื้อทางกายกับ “กล้ามเนื้อทางจิต” แค่ไหน? น่าจะไม่เทียบเท่ากันอย่างสมบูรณ์ แต่จะเป็นอนาล็อกที่สมเหตุสมผลได้แค่ไหน? ผมขอฝากให้คุณคิด

อีกข้อถกเถียงที่ผมมีต่อคณบดีคนเดิมคือเขาเชื่อว่านักเรียนควรได้รับอนุญาตให้เรียนคอร์สต่อเนื่องในจังหวะของตนเอง ผมโต้แย้งว่าความเร็วในการเรียนรู้เป็นเรื่องสำคัญสำหรับองค์กร—ผู้ที่เรียนรู้เร็วมีค่าสำหรับองค์กรมากกว่าผู้เรียนช้า (เมื่อปัจจัยอื่นเท่ากัน); เป็นหน้าที่ของเราที่จะเพิ่มความเร็วในการเรียนรู้และทำเครื่องหมายให้สังคมเห็นผู้ที่ดีกว่า นี่เป็นความเห็นอีกครั้ง แต่แน่นอนคุณคงไม่อยากให้คนที่เรียนช้ามากมาควบคุมคุณ ความเร็วในการเรียนรู้สิ่งใหม่ไม่ใช่ทุกอย่าง แต่อยู่ในองค์ประกอบที่สำคัญ

ปัญหาพื้นฐานในการประเมินคุณค่าของ CAI คือเราไม่พร้อมจะบอกว่าคนที่ได้รับการศึกษาเป็นอย่างไร หรือว่าเราทำให้คนได้รับการศึกษาดังกล่าวได้อย่างไร (ถ้าเราทำได้จริง!) เราพอจะบอกได้ว่าเราทำอะไรอยู่ แต่ไม่เหมือนกับสิ่งที่เราควรจะทำได้ ดังนั้นผมจึงมีแต่เรื่องเล่ามาเล่าให้ฟัง

ลองพิจารณาข้ออ้างว่ากราฟิกที่ทำได้ดีจะช่วยให้การเรียนแนวคิดพื้นฐานมีประสิทธิภาพมากขึ้น ฟังดูดี แต่ให้คิดถึงเรื่องที่ผมเล่าเกี่ยวกับเพื่อนชื่อ Kaiser ซึ่งเมื่อเขาเรียนทฤษฎีฟิลเตอร์ในเชิงเวลาและแรงดัน เขากลับไม่สามารถรับมือได้เมื่อมีตัวแปรอิสระเป็นพลังงาน แม้จะได้รับคำแนะนำแล้วก็ตาม Kaiser เป็นคนฉลาด แต่การศึกษาของเขาจำกัดมุมมองการใช้สิ่งที่เขาเรียน ยิ่งเราปลูกฝังแนวคิดพื้นฐานด้วยภาพที่อาจารย์วาดมากเท่าไร เราก็ยิ่งขัดขวางไม่ให้นักเรียนขยายแนวคิดไปสู่บริบทใหม่ๆ ที่อาจารย์ไม่ได้คิดถึง (และไม่ได้ใส่ไว้ในกราฟิก)

ขอเล่าอีกเรื่องเกี่ยวกับ the transfer of training (การถ่ายโอนทักษะ) — การนำแนวคิดจากที่หนึ่งไปยังอีกที่หนึ่ง ในช่วงต้นของสงครามโลกครั้งที่สอง ผมสอนแคลคูลัสที่โรงเรียนวิศวกรรมแห่งหนึ่งใน Louisville นักเรียนมีปัญหาในวิชาอุณหพลศาสตร์ที่คณบดีฝ่ายวิศวกรรมสอน ซึ่งเป็นอดีตผู้บังคับการเรือดำน้ำและทำให้นักเรียนกลัว ด้วยอนุญาตจากคณบดีผมไปเข้าชั้นเรียนเพื่อดูว่าเกิดอะไรขึ้น ครั้งหนึ่งเขาเขียนบนกระดานว่า

สรุป: and asked what it was, and no student knew. The very next hour in my class across the hall I wrote

และพวกเขาทุกคนก็รู้ทันทีว่ามันคือ ln x บวกค่าคงที่ เมื่อผมเขียน

สรุป: they again knew. “Why,” said I, “did you not respond with that in the dean’s class last hour?” The fact is, what they knew in one class at one hour with one professor did not transfer to another hour in a room across the hall with another professor. Sounds strange, but that is what is known as the transfer of training—the ability to use the same ideas in a new situation. Transfer of training was a large part of my contribution to Bell Telephone Laboratories—I did it quite often, though of course I do not know how many chances I missed!

ผมขอกลับไปที่คอร์สแคลคูลัสซึ่งผมสอนบ่อยที่ Naval Postgraduate School แม้ว่าผมจะมีความคิดเห็นนี้มานานแล้ว นักเรียนสามารถท่องจำผ่านหลายวิชาคณิตศาสตร์ได้อย่างน่าทึ่ง และหลายคนก็ใช้วิธีนี้ แต่เมื่อผมสอนเรื่อง analytic integration (ผมให้ฟังก์ชันแก่นักเรียนแล้วขอปริพันธ์ไม่จำกัด) ไม่มีทางที่พวกเขาจะท่องจำผ่านคอร์สในแบบที่ผมสอน พวกเขาต้องเรียนรู้ที่จะจำแนก

สรุป: in an almost infinite number of disguises. For the first time in their career they are forced to learn to recognize forms independent of the particular representation—which is a basic feature of mathematics and general intelligence. To take analytic integration out of the course, or transfer it to routines in computers, is to defeat the purpose of a stage of learning something that is essential, in my opinion, unless something of equivalent difficulty is put in. The students must master abstract pattern recognition if they are to progress and use mathematics later in their careers.

ข้อผิดพลาดที่คล้ายกันเกิดขึ้นเมื่อหลายปีก่อนตอนที่ผมเป็นนักศึกษาที่ University of Chicago แผนกการศึกษาดำเนินโรงเรียนประถมเพื่อการวิจัย พวกเขาพบว่านักเรียนเรียนอ่านด้วยการอ่านแบบพยางค์ ไม่ใช่ด้วยตัวอักษร จึงตัดสินใจข้ามการสอนตัวอักษรแล้วไปสอนการอ่านจริง ซึ่งพวกเขาทำได้ดีพอสมควร จนกระทั่งช่วงปลายมัธยมจึงพบว่าการไม่รู้ตัวอักษรอย่างถ่องแท้ทำให้นักเรียนไม่สามารถใช้พจนานุกรม สมุดโทรศัพท์ ฯลฯ ได้อย่างมีประสิทธิภาพ เมื่ออยู่ในวัยนั้นแทบเป็นไปไม่ได้ที่จะทำให้นักเรียนฝึกตัวอักษรจนเกินจำเป็นเพื่อให้ใช้แหล่งข้อมูลดังกล่าวได้ง่าย ๆ ดังนั้นผมจึงระมัดระวังต่อการเปลี่ยนแปลงที่ถูกเสนอจนกว่าจะตามดูผลลัพธ์ในระยะยาวของความต้องการทั้งหมดสำหรับเนื้อหาที่พวกเขาตั้งใจจะตัดออก

โดยสรุป เท่าที่ผมพอจะกล่าวได้ ในสถานการณ์ระดับล่างที่เป็นการตอบสนองแบบมีเงื่อนไข ซึ่งมักเกี่ยวข้องกับ training (การฝึกฝน) ผมเชื่อว่าคอมพิวเตอร์สามารถช่วยกระบวนการเรียนรู้ได้อย่างมาก แต่ในด้านการคิดขั้นสูงคือ education (การศึกษา) ผมค่อนข้างสงสัย สงสัยโดยเฉพาะเพราะเรายังไม่เข้าใจทั้งสิ่งที่เราต้องการจะทำและสิ่งที่เรากำลังทำอยู่! เราไม่รู้ด้วยซ้ำว่าเราหมายถึง “คนที่ได้รับการศึกษา” อย่างไร แล้วจะหมายความว่าอย่างไรในปี 2020 หากไม่มีความรู้นั้น ผมจะตัดสินความสำเร็จของข้อเสนอใดๆ ได้อย่างไร ระหว่างการฝึกระดับล่างและการศึกษาเชิงสูงยังมีพื้นที่กว้างที่องค์กรภายนอกมหาวิทยาลัยและภายในสามารถสำรวจและใช้ประโยชน์ได้ ผมจะพูดอย่างละเอียดในบทที่ 26 ว่าบ่อยครั้งผู้เชี่ยวชาญภายในสาขาไม่ใช่ผู้สร้างความก้าวหน้าครั้งใหญ่ ความก้าวหน้ามักมาจากภายนอก บทบาทของ CAI ในองค์กรที่มีโปรแกรม training ขนาดใหญ่น่าจะเพิ่มขึ้นในอนาคต เนื่องจากความคืบหน้ามักทำให้เครื่องมือเก่า ๆ ล้าสมัยและนำเครื่องมือใหม่ที่ซับซ้อนทางเทคนิคมากขึ้นเข้ามาใช้

สรุป: Consider the programs on computers which are supposed to teach such things as business management, or, even more seriously, war games. The machines can take care of the sea of minor details in the simulation, indeed should buffer the player from them, and expect good, high-level decisions. There may be some elements of low-level training which must be included, as well as the higher-level thinking. We must ask to what extent it is training and to what extent it is education. Of course, as mentioned in the three chapters on simulation, we also need to ask if the simulation is relevant to the future for which the training is being given. Will the presence of the gaming programs, if at all widespread, perhaps vitiate the training? You can be sure, however, that even if the proposers cannot answer these questions, they will still produce and advertise the corresponding programs. You may be a victim of being trained for the wrong situations!

ไม่กี่ร้อยปีก่อน การศึกษาระดับสูงทั่วไปคือการเรียนอ่าน เขียน และพูดภาษาละติน พร้อมการรู้จักกรีกเล็กน้อยและวรรณคดีคลาสสิก นี่คือการศึกษาพื้นฐานที่ชาวอังกฤษใช้สืบไปและสร้างจักรวรรดิ การศึกษาปัจจุบันของเรามีความคล้ายคลึงกับการศึกษาแบบคลาสสิกน้อยมาก ผมขอแนะนำอย่างแรงว่าการศึกษาในอนาคตจะมีความเกี่ยวข้องกับการศึกษาในปัจจุบันน้อยพอๆ กับที่การศึกษาในปัจจุบันมีต่อการศึกษาแบบคลาสสิก การปรับแต่งเล็กๆ ในระบบการศึกษาปัจจุบันจะไม่แก้ปัญหาที่เราต้องเผชิญในการเตรียมนักเรียนสำหรับปี 2020 เมื่อคอมพิวเตอร์พกพา (laptop) มีใช้ทั่วไป พร้อมความจุข้อมูลมหาศาลและความสามารถในการประมวลผล หากไม่มีภาพวิสัยทัศน์ว่าการศึกษาแบบใดจะเหมาะสมในเวลานั้น เราจะประเมินโครงการ CAI ที่เสนอมานั้นได้อย่างไร เพียงเพราะบางอย่างทำได้ โดยเฉพาะโดยใช้คอมพิวเตอร์ ไม่ได้หมายความว่าควรทำ เราต้องสร้างภาพวิสัยทัศน์ว่าบุคคลที่ได้รับการศึกษาในสังคมอนาคตจะเป็นอย่างไร และเมื่อมีภาพวิสัยทัศน์เช่นนั้นแล้วจึงจะสามารถแก้ปัญหาเกี่ยวกับ CAI ได้อย่างมั่นใจ